用计算机视觉系统和机器学习模型对针状绿茶进行快速颜色质量评估
Jinsong Li1,2,3, Qijun Li4, Wei Luo1,2,3
1Integrative Science Center of Germplasm Creation in Western China (CHONGQING) Science City, College of Food Science, Southwest University, Chongqing 400715, China.
Foods (Basel, Switzerland)
|August 29, 2024
概括
现在可以使用计算机视觉和机器学习对针状绿茶质量的客观色彩分析. 基于决策树的AdaBoost模型实现了98.50%的准确性,为感官评估提供了一个精确的替代方案.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 绿茶的质量,特别是针状品种,严重依赖于颜色特征.
- 目前的质量评估方法是主观的,依赖于感官分析.
- 需要客观,精确和高效的方法来评估茶色质量.
研究的目的:
- 开发一个客观的方法来评估针状绿茶的颜色质量.
- 基于颜色特征的计算机视觉和机器学习模型来预测感官评估结果.
主要方法:
- 利用计算机视觉技术从157个针状绿茶样本中捕获885张图像.
- 采用了三个机器学习算法:随机森林 (RF),支持矢量机 (SVM) 和基于决策树的AdaBoost (DT-AdaBoost).
- 使用从图像中提取的颜色特征构建了颜色质量评估模型.
主要成果:
- 基于决策树的AdaBoost (DT-AdaBoost) 模型显示了茶叶质量评估的巨大潜力.
- 在266个验证样本中,DT-AdaBoost模型实现了98.50%的正确歧视率 (CDR).
- 该模型还显示了14.827的相对百分比偏差 (RPD),表明了高精度和可靠性.
结论:
- 计算机视觉和机器学习的整合提供了客观绿茶颜色质量评估的有效方法.
- DT-AdaBoost模型为针状绿茶的传统主观感官分析提供了精确有效的替代方案.
- 这项技术有可能彻底改变绿茶行业的质量控制.
